项目背景看下来，即使人做，也会是个屎山。

假设代码是由人工完成的，但是生产力保持不变，其实还是会出这些问题，只是 ai 让这种假的实现了。

模型还不够强，即使把全部底层代码都喂给模型，也没有足够的上下文理解全貌，至少国产模型现在还不够行。今年能达到什么程度不好说。我一般就是 ai 生成个架构，具体功能不对，我就问 ai ，这个功能控制点在哪里，告诉我代码行数，然后我去修复。

首次尝试，后面如果再做新项目，是不是会效率更高、更可控

@timespy 内容都是本人的工作笔记和团队的复盘会记录整理的，干货满满 由于本人语文不太好，文章确实是 AI 润色过的，但绝对不是什么垃圾文章，大家放心阅读。

vibe coding 只适合个人开发学习使用,生产环境只能当副驾驶

为啥不把 AI 当成辅助工具，人写代码，它负责找 bug 或者 else ，为啥要用它写呢。。。。不明白啊，不明白。。。

看起来贵司是没有调研过 vibe coding 的 workflow 导致认为 vibe coding 就是跟 AI 聊天导致的问题 上下文这个是通过 beads 数据库解决的，所有的 commit 和 LLM 的 plan 都会存里面，这样即使上下文 compact 了也会自动取数据库里的东西，能明白某个函数当初为什么这样设计，现在我们改动会如何影响那个设计 人为调试，这点看起来是因为用 prompt 根 LLM 说不通所以懒得搞了直接人工上，实际上你应该把你调试的过程，用 LLM Prompt 一步一步实现，请 LLM 帮你去调试，例如加日志，启动测试环境等等，最终把这个过程萃取成 skills 幻觉问题，很显然你们没有任何 rules ，LLM 可以随便撒谎，不做 fact check 垃圾代码，你需要一个插件去让 LLM 精简代码，参考 https://github.com/anthropics/claude-plugins-official/blob/main/plugins/code-simplifier/agents/code-simplifier.md ，然后在 PR 阶段用 LLM review ，可以有效避免因为概率问题导致的 oneshot miss

偷偷用就好了，闷声发大财

https://www.youtube.com/watch?v=M-EaZqYrkyY